ithome學python、大數據、AI

感謝各位在ithome的分享。

使用Python進行資料分析

 Day5：說pandas用來整理數據表格，Numpy是以矩陣基礎做數據的數學運算，SciPy就是以Numpy為基礎做科學、工程的運算處理的package，包含統計、優化、整合、線性代數、傅立葉轉換圖像等較高階的科學運算。

感謝林軒田教授分享機器學習。

python 入門到分析股市
這個是跑99乘法表，其中多了一個負號(-)，print("%d*%d=%-2d " % (i,j, product), end=" ")
若有負號則(例子：2*4=8，8直接貼著等號)。
若沒有負號則(例子：2*4= 8，8與等號有空一格)

機器學習的作法

1. 收集資料，建立資料集(Dataset)。
2. 資料清理(Data Cleaning)、資料探索與分析(Exploratory Data Analysis, EDA)。
3. 特徵工程(Feature Engineering)。
4. 資料切割(Data Split)：切割為訓練資料(Training Data)及測試資料(Test Data)。
5. 選擇演算法(Learning Algorithms)，以建立模型。
6. 模型訓練(Model Training)。
7. 模型計分(Score Model)：計算準確度，衡量模型效能。
8. 模型評估(Evaluate Model)：比較多個模型優劣或參數調校。
9. 新系統上線：移轉模型至正式環境。
10. 新資料預測(Predict)。

我的資料科學之路：講解的很好笑，Day5講到線性回歸，有四種資料相關係數都0.816，但差很大。

宇宙大魔王的python：寫python基本，寫的不錯，好懂。

輕鬆掌握 Keras 及相關應用：Keras跟Tensorflow更動得很頻繁@@要注意@@